The Old Seven." "The First Seven." "The Basic Seven." Quality pros have many names for these seven basic tools of quality, first emphasized by Kaoru Ishikawa, a professor of engineering at Tokyo University and the father of quality circles. Start your quality journey by mastering these tools, and you'll have a name for them too: "indispensable."

1. 2. 3. 4. 5. 6. 7.

Cause-and-effect diagram (also called Ishikawa or fishbone chart): Identifies many possible causes for an effect or problem and sorts ideas into useful categories. Check sheet: A structured, prepared form for collecting and analyzing data; a generic tool that can be adapted for a wide variety of purposes. Control charts: Graphs used to study how a process changes over time. Histogram: The most commonly used graph for showing frequency distributions, or how often each different value in a set of data occurs. Pareto chart: Shows on a bar graph which factors are more significant. Scatter diagram: Graphs pairs of numerical data, one variable on each axis, to look for a relationship. Stratification: A technique that separates data gathered from a variety of sources so that patterns can be seen (some lists replace "stratification" with "flowchart" or "run chart").

Fishbone DiagramAlso Called: Cause-and-Effect Diagram, Ishikawa Diagram Variations: cause enumeration diagram, process fishbone, time-delay fishbone, CEDAC (cause-and-effect diagram with the addition of cards), desired-result fishbone, reverse fishbone diagram Description The fishbone diagram identifies many possible causes for an effect or problem. It can be used to structure a brainstorming session. It immediately sorts ideas into useful categories. When to Use a Fishbone Diagram

When identifying possible causes for a problem. Especially when a teams thinking tends to fall into ruts.

Fishbone Diagram Procedure Materials needed: flipchart or whiteboard, marking pens. 1. 2. Agree on a problem statement (effect). Write it at the center right of the flipchart or whiteboard. Draw a box around it and draw a horizontal arrow running to it. Brainstorm the major categories of causes of the problem. If this is difficult use generic headings: o Methods

o o o o

Machines (equipment) People (manpower) Materials Measurement

3. 4. 5. 6.

o Environment Write the categories of causes as branches from the main arrow. Brainstorm all the possible causes of the problem. Ask: Why does this happen? As each idea is given, the facilitator writes it as a branch from the appropriate category. Causes can be written in several places if they relate to several categories. Again ask why does this happen? about each cause. Write sub-causes branching off the causes. Continue to ask Why? and generate deeper levels of causes. Layers of branches indicate causal relationships. When the group runs out of ideas, focus attention to places on the chart where ideas are few.

Fishbone Diagram Example This fishbone diagram was drawn by a manufacturing team to try to understand the source of periodic iron contamination. The team used the six generic headings to prompt ideas. Layers of branches show thorough thinking about the causes of the problem.

Fishbone Diagram Example For example, under the heading Machines, the idea materials of construction shows four kinds of equipment and then several specific machine numbers. Note that some ideas appear in two different places. Calibration shows up under Methods as a factor in the analytical procedure, and also under Measurement as a cause of lab error. Iron tools can be considered a Methods problem when taking samples or a Manpower problem with maintenance personnel.

Check SheetAlso called: defect concentration diagram Description A check sheet is a structured, prepared form for collecting and analyzing data. This is a generic tool that can be adapted for a wide variety of purposes. When to Use a Check Sheet

When data can be observed and collected repeatedly by the same person or at the same location. When collecting data on the frequency or patterns of events, problems, defects, defect location, defect causes, etc.

When collecting data from a production process.

Check Sheet Procedure 1. 2. 3. 4. 5. 6. Decide what event or problem will be observed. Develop operational definitions. Decide when data will be collected and for how long. Design the form. Set it up so that data can be recorded simply by making check marks or Xs or similar symbols and so that data do not have to be recopied for analysis. Label all spaces on the form. Test the check sheet for a short trial period to be sure it collects the appropriate data and is easy to use. Each time the targeted event or problem occurs, record data on the check sheet.

Check Sheet Example The figure below shows a check sheet used to collect data on telephone interruptions. The tick marks were added as data was collected over several weeks.

Check Sheet Example Excerpted from Nancy R. Tagues The Quality Toolbox, Second Edition, ASQ Quality Press, 2004, pages 141-142. Create a Check Sheet Track up to 10 defects on each day of the week. This tool also creates a histogram, bar chart and Pareto chart using the check-sheet data. Start using the check sheet tool (Excel-Windows, 85 KB).

Control ChartAlso called: statistical process control Description The control chart is a graph used to study how a process changes over time. Data are plotted in time order. A control chart always has a central line for the average, an upper line for the upper control limit and a lower line for the lower control limit. These lines are determined from historical data. By comparing current data to these lines, you can draw conclusions about whether the process variation is consistent (in control) or is unpredictable (out of control, affected by special causes of variation). Control charts for variable data are used in pairs. The top chart monitors the average, or the centering of the distribution of data from the process. The bottom chart monitors the range, or the width of the distribution. If your data were shots in target practice, the average is where the shots are clustering, and the range is how tightly they are clustered. Control charts for attribute data are used singly. When to Use a Control Chart

When controlling ongoing processes by finding and correcting problems as they occur. When predicting the expected range of outcomes from a process. When determining whether a process is stable (in statistical control). When analyzing patterns of process variation from special causes (non-routine events) or common causes (built into the process). When determining whether your quality improvement project should aim to prevent specific problems or to make fundamental changes to the process.

Template See a sample control chart and create your own with the control chart template(Excel, 973 KB).* Control Chart Basic Procedure 1. 2. 3. Choose the appropriate control chart for your data. Determine the appropriate time period for collecting and plotting data. Collect data, construct your chart and analyze the data. Look for out-of-control signals on the control chart. When one is identified, mark it on the chart and investigate the cause. Document how you investigated, what you learned, the cause and how it was corrected. Out-of-control signals

4.

o o o o o

A single point outside the control limits. In Figure 1, point sixteen is above the UCL (upper control limit). Two out of three successive points are on the same side of the centerline and farther than 2 from it. In Figure 1, point 4 sends that signal. Four out of five successive points are on the same side of the centerline and farther than 1 from it. In Figure 1, point 11 sends that signal. A run of eight in a row are on the same side of the centerline. Or 10 out of 11, 12 out of 14 or 16 out of 20. In Figure 1, point 21 is eighth in a row above the centerline. Obvious consistent or persistent patterns that suggest something unusual about your data and your process.

Figure 1 Control Chart: Out-of-Control Signals 5. 6. Continue to plot data as they are generated. As each new data point is plotted, check for new out-of-control signals. When you start a new control chart, the process may be out of control. If so, the control limits calculated from the first 20 points are conditional limits. When you have at least 20 sequential points from a period when the process is operating in control, recalculate control limits.

Excerpted from Nancy R. Tagues The Quality Toolbox, Second Edition, ASQ Quality Press, 2004, pages 155-158. *Template created by Dean Christolear.

HistogramDescription A frequency distribution shows how often each different value in a set of data occurs. A histogram is the most commonly used graph to show frequency distributions. It looks very much like a bar chart, but there are important differences between them. When to Use a Histogram

When the data are numerical. When you want to see the shape of the datas distribution, especially when determining whether the output of a process is distributed approximately normally. When analyzing whether a process can meet the customers requirements. When analyzing what the output from a suppliers process looks like. When seeing whether a process change has occurred from one time period to another. When determining whether the outputs of two or more processes are different. When you wish to communicate the distribution of data quickly and easily to others.

Histogram Construction

Collect at least 50 consecutive data points from a process. Use the histogram worksheet to set up the histogram. It will help you determine the number of bars, the range of numbers that go into each bar and the labels for the bar edges. After calculating W in step 2 of the worksheet, use your judgment to adjust it to a convenient number. For example, you might decide to round 0.9 to an even 1.0. The value for W must not have more decimal places than the numbers you will be graphing. Draw x- and y-axes on graph paper. Mark and label the y-axis for counting data values. Mark and label the x-axis with the L values from the worksheet. The spaces between these numbers will be the bars of the histogram. Do not allow for spaces between bars. For each data point, mark off one count above the appropriate bar with an X or by shading that portion of the bar.

Histogram Analysis

Before drawing any conclusions from your histogram, satisfy yourself that the process was operating normally during the time period being studied. If any unusual events affected the process during the time period of the histogram, your analysis of the histogram shape probably cannot be generalized to all time periods. Analyze the meaning of your histograms shape.

Pareto ChartAlso called: Pareto diagram, Pareto analysis Variations: weighted Pareto chart, comparative Pareto charts Description A Pareto chart is a bar graph. The lengths of the bars represent frequency or cost (time or money), and are arranged with longest bars on the left and the shortest to the right. In this way the chart visually depicts which situations are more significant. When to Use a Pareto Chart

When analyzing data about the frequency of problems or causes in a process. When there are many problems or causes and you want to focus on the most significant. When analyzing broad causes by looking at their specific components. When communicating with others about your data.

Pareto Chart Procedure 1. 2. 3. 4. 5. 6. 7. Decide what categories you will use to group items. Decide what measurement is appropriate. Common measurements are frequency, quantity, cost and time. Decide what period of time the Pareto chart will cover: One work cycle? One full day? A week? Collect the data, recording the category each time. (Or assemble data that already exist.) Subtotal the measurements for each category. Determine the appropriate scale for the measurements you have collected. The maximum value will be the largest subtotal from step 5. (If you will do optional steps 8 and 9 below, the maximum value will be the sum of all subtotals from step 5.) Mark the scale on the left side of the chart. Construct and label bars for each category. Place the tallest at the far left, then the next tallest to its right and so on. If there are many categories with small measurements, they can be grouped as other. Steps 8 and 9 are optional but are useful for analysis and communication. 8. 9. Calculate the percentage for each category: the subtotal for that category divided by the total for all categories. Draw a right vertical axis and label it with percentages. Be sure the two scales match: For example, the left measurement that corresponds to one-half should be exactly opposite 50% on the right scale. Calculate and draw cumulative sums: Add the subtotals for the first and second categories, and place a dot above the second bar indicating that sum. To that sum add the subtotal for the third category, and place a dot above the third bar for that new sum. Continue the process for all the bars. Connect the dots, starting at the top of the first bar. The last dot should reach 100 percent on the right scale.

Pareto Chart Examples Example #1 shows how many customer complaints were received in each of five categories. Example #2 takes the largest category, documents, from Example #1, breaks it down into six categories of documentrelated complaints, and shows cumulative values. If all complaints cause equal distress to the customer, working on eliminating document-related complaints would have the most impact, and of those, working on quality certificates should be most fruitful.

Example #1

Example #2

Excerpted from Nancy R. Tagues The Quality Toolbox, Second Edition, ASQ Quality Press, 2004, pages 376-378. Create a Pareto Chart

Also called: scatter plot, XY graph Description The scatter diagram graphs pairs of numerical data, with one variable on each axis, to look for a relationship between them. If the variables are correlated, the points will fall along a line or curve. The better the correlation, the tighter the points will hug the line. When to Use a Scatter Diagram

When you have paired numerical data. When your dependent variable may have multiple values for each value of your independent variable. When trying to determine whether the two variables are related, such as o When trying to identify potential root causes of problems.

o o o

After brainstorming causes and effects using a fishbone diagram, to determine objectively whether a particular cause and effect are related. When determining whether two effects that appear to be related both occur with the same cause. When testing for autocorrelation before constructing a control chart.

Scatter Diagram Procedure 1. 2. 3. 4. Collect pairs of data where a relationship is suspected. Draw a graph with the independent variable on the horizontal axis and the dependent variable on the vertical axis. For each pair of data, put a dot or a symbol where the x-axis value intersects the y-axis value. (If two dots fall together, put them side by side, touching, so that you can see both.) Look at the pattern of points to see if a relationship is obvious. If the data clearly form a line or a curve, you may stop. The variables are correlated. You may wish to use regression or correlation analysis now. Otherwise, complete steps 4 through 7. Divide points on the graph into four quadrants. If there are X points on the graph, o Count X/2 points from top to bottom and draw a horizontal line. If number of points is odd, draw the line through the middle point. Count the points in each quadrant. Do not count points on a line. Add the diagonally opposite quadrants. Find the smaller sum and the total of points in all quadrants. A = points in upper left + points in lower right B = points in upper right + points in lower left Q = the smaller of A and B N=A+B Look up the limit for N on the trend test table. o If Q is less than the limit, the two variables are related.

5. 6.

o o

Count X/2 points from left to right and draw a vertical line.

7.

o

If Q is greater than or equal to the limit, the pattern could have occurred from random chance.

Scatter Diagram Example The ZZ-400 manufacturing team suspects a relationship between product purity (percent purity) and the amount of iron (measured in parts per million or ppm). Purity and iron are plotted against each other as a scatter diagram, as shown in the figure below.

There are 24 data points. Median lines are drawn so that 12 points fall on each side for both percent purity and ppm iron. To test for a relationship, they calculate: A = points in upper left + points in lower right = 9 + 9 = 18 B = points in upper right + points in lower left = 3 + 3 = 6 Q = the smaller of A and B = the smaller of 18 and 6 = 6 N = A + B = 18 + 6 = 24 Then they look up the limit for N on the trend test table. For N = 24, the limit is 6. Q is equal to the limit. Therefore, the pattern could have occurred from random chance, and no relationship is demonstrated.

Scatter Diagram Example Scatter Diagram Considerations

Here are some examples of situations in which might you use a scatter diagram: o Variable A is the temperature of a reaction after 15 minutes. Variable B measures the color of the product. You suspect higher temperature makes the product darker. Plot temperature and color on a scatter diagram. o Variable A is the number of employees trained on new software, and variable B is the number of calls to the computer help line. You suspect that more training reduces the number of calls. Plot number of people trained versus number of calls. o To test for autocorrelation of a measurement being monitored on a control chart, plot this pair of variables: Variable A is the measurement at a given time. Variable B is the same measurement, but at the previous time. If the scatter diagram shows correlation, do another diagram where variable B is the measurement two times previously. Keep increasing the separation between the two times until the scatter diagram shows no correlation. Even if the scatter diagram shows a relationship, do not assume that one variable caused the other. Both may be influenced by a third variable. When the data are plotted, the more the diagram resembles a straight line, the stronger the relationship. If a line is not clear, statistics (N and Q) determine whether there is reasonable certainty that a relationship exists. If the statistics say that no relationship exists, the pattern could have occurred by random chance. If the scatter diagram shows no relationship between the variables, consider whether the data might be stratified. If the diagram shows no relationship, consider whether the independent (x-axis) variable has been varied widely. Sometimes a relationship is not apparent because the data dont cover a wide enough range. Think creatively about how to use scatter diagrams to discover a root cause. Drawing a scatter diagram is the first step in looking for a relationship between variables.

StratificationDescription Stratification is a technique used in combination with other data analysis tools. When data from a variety of sources or categories have been lumped together, the meaning of the data can be impossible to see. This technique separates the data so that patterns can be seen. When to Use Stratification

Before collecting data. When data come from several sources or conditions, such as shifts, days of the week, suppliers or population groups. When data analysis may require separating different sources or conditions.

Stratification Procedure 1. 2. 3. Before collecting data, consider which information about the sources of the data might have an effect on the results. Set up the data collection so that you collect that information as well. When plotting or graphing the collected data on a scatter diagram, control chart, histogram or other analysis tool, use different marks or colors to distinguish data from various sources. Data that are distinguished in this way are said to be stratified. Analyze the subsets of stratified data separately. For example, on a scatter diagram where data are stratified into data from source 1 and data from source 2, draw quadrants, count points and determine the critical value only for the data from source 1, then only for the data from source 2.

Stratification Example The ZZ-400 manufacturing team drew a scatter diagram to test whether product purity and iron contamination were related, but the plot did not demonstrate a relationship. Then a team member realized that the data came from three different reactors. The team member redrew the diagram, using a different symbol for each reactors data:

Now patterns can be seen. The data from reactor 2 and reactor 3 are circled. Even without doing any calculations, it is clear that for those two reactors, purity decreases as iron increases. However, the data from reactor 1, the solid dots that are not circled, do not show that relationship. Something is different about reactor 1. Stratification Considerations

Here are examples of different sources that might require data to be stratified: o Equipment

o o o o o o o

Shifts Departments Materials Suppliers Day of the week Time of day Products

Survey data usually benefit from stratification.

Always consider before collecting data whether stratification might be needed during analysis. Plan to collect stratification information. After the data are collected it might be too late. On your graph or chart, include a legend that identifies the marks or colors used.

Excerpted from Nancy R. Tagues The Quality Toolbox, Second Edition, ASQ Quality Press, 2004, pages 485-487. Create a Stratification Diagram

Lama Tujuh. " "Pertama Tujuh." "Dasar Tujuh." Pro Kualitas memiliki banyak nama untuk tujuh alat dasarkualitas, pertama Kaoru Ishikawa ditekankan oleh, seorang profesor teknik di Tokyo University dan ayah dari "lingkaran kualitas." Memulai perjalanan kualitas Anda dengan menguasai alat-alat,dan Anda akan memiliki nama untuk mereka juga: ". Sangat diperlukan" Penyebab-dan-efek diagram (juga disebut Ishikawa ataufishbone diagram): Mengidentifikasi kemungkinan penyebabbanyak efek atau masalah dan ide-ide macam ke dalam kategoriyang berguna. Periksa lembar: Sebuah bentuk, terstruktur dipersiapkan untukmengumpulkan dan menganalisis data, sebuah alat generik yang dapat disesuaikan untuk berbagai tujuan. Kontrol grafik: Grafik digunakan untuk mempelajari bagaimanaproses perubahan dari waktu ke waktu. Histogram: Grafik paling sering digunakan untuk menunjukkandistribusi frekuensi, atau seberapa sering setiap nilai yang berbeda dalam sebuah set data terjadi. Pareto chart: Menunjukkan pada grafik bar yang faktor yang lebih signifikan. Diagram pencar: Grafik pasang data numerik, satu variabel pada sumbu masing-masing, untuk mencari hubungan. Stratifikasi: Sebuah teknik yang memisahkan data yang dikumpulkan dari berbagai sumber sehingga pola dapat dilihat(beberapa daftar ganti "stratifikasi" dengan "diagram alur" atau "bagan menjalankan"). Diagram tulang ikan Disebut Juga: Penyebab dan Efek-Diagram, Diagram Ishikawa Variasi: menyebabkan pencacahan diagram, fishbone proses, waktu-delay fishbone, CEDAC (sebab-akibat diagram dengan penambahan kartu), hasil yang diinginkan-tulang ikan, diagram tulang ikan sebaliknya Deskripsi Diagram tulang ikan mengidentifikasi penyebab banyak kemungkinan untuk efek atau masalah. Hal ini dapat digunakan untuk struktur sesi brainstorming. Segera macam ide menjadi kategori yang berguna. Kapan Gunakan Diagram Fishbone Ketika mengidentifikasi kemungkinan penyebab masalah. Terutama ketika berpikir sebuah tim cenderung jatuh dalam rutinitas. Fishbone Diagram Prosedur Bahan yang dibutuhkan: flipchart atau papan tulis, pena menandai. Menyetujui pernyataan masalah (efek). Menulis itu di kanan tengah dari flipchart atau whiteboard. Menggambar kotak di sekitarnya dan menggambar panah horizontal untuk itu.

Brainstorm kategori utama penyebab masalah. Jika ini adalah judul menggunakan generik sulit: Metode Mesin (peralatan) Orang (tenaga kerja) Bahan Pengukuran Lingkungan Tulis kategori penyebab sebagai cabang dari panah utama. Brainstorm semua kemungkinan penyebab masalah. Tanyakan: "? Mengapa hal ini terjadi" Karena masing-masing ide diberikan, fasilitator menuliskannya sebagai cabang dari kategori yang sesuai. Penyebab dapat ditulis di beberapa tempat jika mereka berhubungan dengan beberapa kategori. Sekali lagi bertanya "mengapa hal ini terjadi?" Tentang setiap penyebab. Menulis sub-penyebab bercabang penyebabnya.Terus bertanya "Mengapa?" Dan menghasilkan tingkat yang lebih dalam penyebab. Lapisan cabang menunjukkan hubungan kausal. Ketika kelompok kehabisan ide, memusatkan perhatian ke tempat-tempat pada grafik di mana ide-ide sedikit. Fishbone Diagram Contoh Diagram tulang ikan ini ditarik oleh tim manufaktur untuk mencoba untuk memahami sumber kontaminasi besi periodik.Tim menggunakan enam judul generik untuk ide-ide prompt.Lapisan cabang menunjukkan pemikiran menyeluruh tentang penyebab masalah.

Fishbone Diagram Contoh Sebagai contoh, di bawah judul "Mesin," ide "bahan konstruksi" menunjukkan empat jenis peralatan dan kemudian beberapa nomor mesin tertentu. Perhatikan bahwa beberapa ide muncul dalam dua tempat yang berbeda. "Kalibrasi" menunjukkan di bawah "Metode" sebagai faktor dalam prosedur analitis, dan juga di bawah "Pengukuran" sebagai penyebab kesalahan laboratorium. "Besi alat" dapat dianggap sebagai "Metode" masalah saat mengambil sampel atau "Tenaga Kerja" masalah dengan personil pemeliharaan.

Lembar periksa Juga disebut: Diagram konsentrasi cacat deskripsi Sebuah lembar periksa adalah bentuk, terstruktur dipersiapkan untuk mengumpulkan dan menganalisis data. Ini adalah alatgenerik yang dapat disesuaikan untuk berbagai tujuan. Kapan Gunakan Lembar Periksa Ketika data dapat diamati dan dikumpulkan berulang kali olehorang yang sama atau di lokasi yang sama.

Ketika mengumpulkan data pada frekuensi atau pola peristiwa,masalah, cacat, lokasi cacat, menyebabkan cacat, dll Ketika mengumpulkan data dari proses produksi. Periksa Prosedur Lembar Putuskan apa acara atau masalah akan diamati.Mengembangkan definisi operasional. Memutuskan kapan data akan dikumpulkan dan untuk berapa lama. Desain formulir. Set up sehingga data dapat direkam hanya dengan membuat tanda cek atau Xs atau simbol serupa dansehingga data tidak perlu diperbanyak ulang untuk analisis. Label semua ruang pada formulir. Uji lembar periksa untuk masa percobaan singkat untuk memastikan itu mengumpulkan data yang tepat dan mudah digunakan. Setiap kali acara yang ditargetkan atau masalah terjadi, data rekam pada lembar cek. Contoh Lembar Periksa Gambar di bawah menunjukkan selembar cek yang digunakanuntuk mengumpulkan data tentang gangguan telepon. Tandacentang ditambahkan sebagai data yang dikumpulkan selama beberapa minggu.

Contoh Lembar Periksa Disarikan dari Toolbox Kualitas Nancy R. Tague 's, Edisi Kedua,ASQ Kualitas Tekan,, 2004 halaman 141-142.

Histogram Deskripsi Sebuah distribusi frekuensi menunjukkan seberapa sering setiap nilai yang berbeda dalam sebuah set data terjadi. Histogram adalah grafik yang paling umum digunakan untuk menunjukkan distribusi frekuensi. Ini terlihat sangat banyak seperti bar chart, tetapi ada perbedaan penting antara mereka. Kapan Menggunakan Histogram suatu Ketika data numerik. Bila Anda ingin melihat bentuk dari distribusi data, terutama ketika menentukan apakah output dari proses yang didistribusikan kira-kira normal. Ketika menganalisis apakah suatu proses dapat memenuhi persyaratan pelanggan. Ketika menganalisis apa output dari proses pemasok terlihat seperti. Ketika melihat apakah proses perubahan telah terjadi dari satu periode waktu yang lain. Ketika menentukan apakah output dari dua atau lebih proses yang berbeda. Bila Anda ingin mengkomunikasikan distribusi data dengan cepat dan mudah kepada orang

lain. Histogram Konstruksi Mengumpulkan setidaknya 50 poin berturut-turut data dari sebuah proses. Gunakan lembar kerja histogram untuk mengatur histogram. Ini akan membantu Anda menentukan jumlah bar, kisaran angka yang masuk ke setiap bar dan label untuk tepi bar. Setelah menghitung W di langkah 2 dari lembar kerja, gunakan keputusan anda untuk menyesuaikan ke nomor yang nyaman.Sebagai contoh, Anda mungkin memutuskan untuk putaran 0,9 ke 1,0 bahkan. Nilai untuk W tidak harus memiliki lebih banyak tempat desimal dari angka yang Anda akan grafik. Gambarlah x-dan y-sumbu pada kertas grafik. Menandai dan label sumbu y untuk menghitung nilai data. Markus dan label sumbu-x dengan nilai-nilai L dari worksheet. Ruang antara angkaangka ini akan menjadi batang histogram. Jangan biarkan untuk ruang antara bar. Untuk setiap titik data, menandai satu hitungan di atas bar yang sesuai dengan X atau dengan bayangan bahwa sebagian dari bar. Analisis Histogram Sebelum menggambar kesimpulan dari histogram Anda, memuaskan diri sendiri bahwa proses itu beroperasi normal selama periode waktu yang sedang dipelajari. Jika ada kejadian yang tidak biasa mempengaruhi proses selama jangka waktu histogram, analisis Anda dari bentuk histogram mungkin tidak dapat digeneralisasi untuk semua periode waktu. Menganalisis makna bentuk histogram Anda.

Bagan kendali Juga disebut: pengendalian proses statistik Deskripsi Peta kendali adalah grafik digunakan untuk mempelajari bagaimana proses perubahan dari waktu ke waktu. Data diplot dalam urutan waktu. Sebuah grafik kontrol selalu memiliki garis pusat untuk rata-rata, garis atas untuk batas kontrol atas dan garis bawah untuk batas kontrol bawah. Garis-garis ini ditentukan dari data historis. Dengan membandingkan data saat ini untuk baris-baris ini, Anda dapat menarik kesimpulan tentang apakah variasi proses konsisten (dalam pengendalian) atau tidak dapat diprediksi (di luar kendali, dipengaruhi oleh penyebab khusus dari variasi). Kontrol grafik untuk data variabel yang digunakan dalam pasangan. Bagan atas rata-rata monitor, atau pemusatan distribusi data dari proses. Bagan bawah memantau jangkauan, atau lebar dari distribusi. Jika data Anda adalah tembakan dalam praktek target, rata-rata adalah di mana tembakan clustering, dan jangkauan adalah bagaimana erat mereka berkerumun. Kontrol

grafik untuk data atribut digunakan secara tunggal. Kapan Gunakan Bagan Kontrol Ketika mengendalikan proses yang sedang berlangsung dengan menemukan dan memperbaiki permasalahan yang terjadi. Ketika memprediksi kisaran yang diharapkan hasil dari sebuah proses. Ketika menentukan apakah suatu proses stabil (dalam kendali statistik). Ketika menganalisis pola variasi proses dari penyebab khusus (non-rutin peristiwa) atau penyebab umum (dibangun ke dalam proses). Saat menentukan apakah kualitas proyek perbaikan Anda harus bertujuan untuk mencegah masalah-masalah tertentu atau untuk melakukan perubahan mendasar pada proses. Template Lihat peta kendali sampel dan membuat Anda sendiri dengan template peta kendali (Excel, 973 KB) .* Kontrol Prosedur Bagan Dasar Pilih diagram kontrol yang sesuai untuk data Anda. Tentukan jangka waktu yang sesuai untuk mengumpulkan dan merencanakan data. Mengumpulkan data, membangun diagram dan menganalisis data. Carilah "out-of-sinyal kontrol" pada grafik kontrol. Ketika seseorang diidentifikasi, menandainya pada grafik dan menyelidiki penyebabnya. Dokumen bagaimana Anda diselidiki, apa yang Anda pelajari, penyebab dan bagaimana itu diperbaiki. Out-of-sinyal kontrol Sebuah titik tunggal di luar batas kontrol. Dalam Gambar 1, poin enam belas berada di atas UCL (batas kontrol atas). Dua dari tiga poin berturut-turut adalah pada sisi yang sama dari garis tengah dan jauh dari 2 dari itu. Dalam Gambar 1, poin 4 mengirimkan sinyal itu. Empat dari lima poin berturut-turut adalah pada sisi yang sama dari garis tengah dan jauh dari 1 dari itu. Dalam Gambar 1, poin 11 mengirimkan sinyal itu. Sebuah menjalankan delapan berturut-turut berada pada sisi yang sama dari sumbu tersebut. Atau 10 dari 11, 12 dari 14 atau 16 dari 20. Dalam Gambar 1, poin 21 adalah kedelapan di baris atas tengah. Jelas konsisten atau persisten pola yang menunjukkan sesuatu yang tidak biasa tentang data dan proses Anda.

Gambar 1 Bagan Pengendalian: Out-of-Control Sinyal Lanjutkan untuk data plot seperti yang dihasilkan. Karena setiap titik data baru diplot, memeriksa baru keluar-dari-sinyal kontrol. Ketika Anda memulai sebuah diagram kontrol baru, proses tersebut mungkin berada di luar kendali. Jika demikian, batas kontrol dihitung dari 20 poin pertama yang batas bersyarat. Bila Anda memiliki setidaknya 20 poin berurutan dari periode ketika proses ini beroperasi di kontrol, menghitung ulang batas kontrol.

Bagan Pareto Juga disebut: Diagram Pareto, analisis Pareto Variasi: tertimbang Pareto diagram, grafik perbandingan Pareto Deskripsi Sebuah diagram Pareto adalah grafik batang. Panjang dari bar mewakili frekuensi atau biaya (waktu atau uang), dan diatur dengan bar terpanjang di sebelah kiri dan terpendek ke kanan.Dengan cara ini grafik visual yang menggambarkan situasi yang lebih signifikan. Kapan Gunakan Bagan Pareto Ketika menganalisis data tentang frekuensi masalah atau penyebab dalam suatu proses. Ketika ada banyak masalah atau penyebab dan Anda ingin fokus pada yang paling signifikan. Ketika menganalisis penyebab yang luas dengan melihat komponen tertentu mereka. Ketika berkomunikasi dengan orang lain tentang data Anda. Bagan Pareto Prosedur Putuskan apa kategori akan Anda gunakan untuk item kelompok. Putuskan apa pengukuran yang tepat. Pengukuran umum adalah frekuensi, kuantitas, biaya dan waktu. Memutuskan apa periode waktu diagram Pareto akan mencakup: Satu siklus kerja? Satu hari penuh? Seminggu? Mengumpulkan data, perekaman kategori setiap kali. (Atau merakit data yang sudah ada.) Subtotal pengukuran untuk setiap kategori. Tentukan skala yang sesuai untuk pengukuran telah Anda kumpulkan. Nilai maksimal akan menjadi subtotal terbesar dari langkah 5. (Jika Anda akan melakukan langkah-langkah opsional 8 dan 9 di bawah ini, nilai maksimum adalah jumlah dari semua subtotal dari langkah 5.) Markus skala pada sisi kiri tabel. Membangun dan bar label untuk setiap kategori. Tempatkan tertinggi di ujung kiri, maka selanjutnya tertinggi ke kanan dan sebagainya. Jika ada banyak kategori dengan pengukuran kecil, mereka dapat dikelompokkan sebagai "lain." Langkah 8 dan 9 adalah opsional tetapi sangat berguna untuk analisis dan komunikasi. Hitung persentase untuk setiap kategori: subtotal untuk kategori dibagi dengan total untuk semua kategori. Gambarkan sumbu vertikal kanan dan label dengan persentase. Pastikan dua skala cocok: Sebagai contoh, pengukuran kiri yang sesuai dengan satu setengah harus persis berlawanan 50% pada skala yang tepat. Menghitung dan menggambar jumlah kumulatif: Tambahkan subtotal untuk kategori pertama dan kedua, dan menempatkan titik di atas bar kedua menunjukkan jumlah yang. Untuk jumlah yang menambahkan subtotal untuk kategori ketiga, dan tempat titik di atas bar ketiga untuk bahwa jumlah baru. Lanjutkan proses untuk semua bar. Hubungkan titik-titik, mulai di bagian atas bar pertama. Titik terakhir harus mencapai 100 persen pada skala yang tepat. Contoh Bagan Pareto Contoh # 1 menunjukkan berapa banyak keluhan pelanggan yang diterima di masing-masing dari lima kategori. Contoh # 2 mengambil kategori terbesar, "dokumen," dari Contoh # 1, mengelompokkannya menjadi enam kategori pengaduan dokumen-terkait, dan menunjukkan nilai-nilai kumulatif.

Jika semua keluhan menyebabkan penderitaan yang sama kepada pelanggan, bekerja pada menghilangkan dokumen terkait keluhan akan memiliki dampak yang paling, dan dari mereka, bekerja pada sertifikat mutu harus menjadi yang paling bermanfaat. Contoh # 1

Contoh # 2

Disarikan dari Toolbox Kualitas Nancy R. Tague 's, Edisi Kedua, ASQ Kualitas Tekan,, 2004 halaman 376-378

Scatter Diagram

Juga disebut: scatter plot, X-Y grafik Deskripsi Diagram pencar grafik pasang data numerik, dengan satu variabel pada sumbu masing-masing, untuk mencari hubungan antara mereka. Jika variabel-variabel yang berkorelasi, poin akan turun sepanjang garis atau kurva. Semakin baik korelasi, semakin ketat titik-titik akan memeluk baris. Kapan Gunakan diagram pencar Bila Anda telah memasangkan data numerik. Ketika variabel dependen Anda mungkin memiliki beberapa nilai untuk setiap nilai dari variabel independen Anda. Ketika mencoba untuk menentukan apakah dua variabel terkait, seperti ... Ketika mencoba untuk mengidentifikasi akar penyebab potensial dari masalah. Setelah brainstorming dan menyebabkan efek menggunakan diagram tulang ikan, untuk menentukan obyektif apakah suatu penyebab tertentu dan efek yang terkait. Saat menentukan apakah dua efek yang muncul berhubungan baik terjadi dengan penyebab yang sama.

Ketika pengujian untuk autokorelasi sebelum membangun sebuah peta kendali. Diagram pencar Prosedur Kumpulkan pasangan data di mana hubungan dicurigai. Menggambar grafik dengan variabel independen pada sumbu horizontal dan variabel dependen pada sumbu vertikal. Untuk setiap pasangan data, menempatkan titik atau simbol dimana nilai sumbu x memotong nilai sumbu-y. (Jika dua titik jatuh bersama-sama, menempatkan mereka berdampingan, menyentuh, sehingga Anda dapat melihat kedua.) Lihatlah pola poin untuk melihat apakah hubungan jelas. Jika data jelas membentuk garis atau kurva, Anda dapat berhenti.Variabel berkorelasi. Anda mungkin ingin menggunakan regresi atau analisis korelasi sekarang. Jika tidak, lengkap langkah 4 sampai 7. Bagilah titik pada grafik menjadi empat kuadran. Jika ada poin X pada grafik, Hitung X / 2 poin dari atas ke bawah dan menggambar garis horizontal. Hitung X / 2 poin dari kiri ke kanan dan menggambar garis vertikal. Jika jumlah poin ganjil, menarik garis melalui titik tengah. Hitung poin dalam setiap kuadran. Jangan mengandalkan titik pada garis. Tambahkan kuadran diagonal berlawanan. Cari jumlah kecil dan total poin di semua kuadran. A = poin dalam poin atas kiri + di kanan bawah B = poin di atas poin + kanan di kiri bawah Q = lebih kecil dari A dan B N=A+B Carilah batas untuk N di meja tes tren. Jika Q kurang dari batas, dua variabel yang terkait. Jika Q adalah lebih besar dari atau sama dengan membatasi, pola itu bisa terjadi dari kesempatan acak. Diagram pencar Contoh Para ZZ-400 tim manufaktur tersangka hubungan antara kemurnian produk (kemurnian persen) dan jumlah besi (diukur dalam bagian per juta atau ppm). Kemurnian dan besi diplot terhadap satu sama lain sebagai diagram pencar, seperti yang ditunjukkan pada gambar di bawah. Ada 24 titik data. Garis median ditarik sehingga jatuh 12 poin di setiap sisi untuk kedua kemurnian persen dan besi ppm. Untuk menguji hubungan, mereka menghitung: Sebuah poin di atas poin = + kiri di kanan bawah = 9 + 9 = 18 B = titik di kanan atas + poin di kiri bawah = 3 + 3 = 6 Q = lebih kecil dari A dan B = lebih kecil dari 18 dan 6 = 6 N = A + B = 18 + 6 = 24 Kemudian mereka mencari batas untuk N di meja tes tren. Untuk N = 24, batas tersebut 6. Q adalah sama dengan batas. Oleh karena itu, pola itu bisa terjadi dari kesempatan acak, dan tidak ada hubungan ditunjukkan. Diagram pencar Contoh Diagram pencar Pertimbangan Berikut adalah beberapa contoh situasi di mana mungkin Anda menggunakan diagram pencar: Variabel A adalah suhu reaksi setelah 15 menit. B mengukur variabel warna produk. Anda menduga suhu yang lebih tinggi membuat produk lebih gelap. Plot suhu dan warna pada

diagram pencar. Variabel A adalah jumlah karyawan yang terlatih pada perangkat lunak baru, dan B variabel adalah jumlah panggilan ke saluran bantuan komputer. Anda menduga bahwa pelatihan lebih mengurangi jumlah panggilan. Plot jumlah orang yang dilatih dibandingkan jumlah panggilan. Untuk menguji autokorelasi dari pengukuran yang dipantau pada grafik kontrol, plot ini sepasang variabel: Variabel A adalah pengukuran pada waktu tertentu. Variabel B adalah pengukuran yang sama, tetapi pada waktu sebelumnya. Jika diagram pencar menunjukkan korelasi, lakukan diagram mana variabel B adalah pengukuran dua kali sebelumnya. Terus meningkatkan pemisahan antara dua kali sampai diagram pencar menunjukkan tidak ada korelasi. Bahkan jika diagram pencar menunjukkan hubungan, jangan mengasumsikan bahwa satu variabel menyebabkan yang lain.Keduanya mungkin dipengaruhi oleh variabel ketiga. Ketika data diplot, semakin diagram menyerupai garis lurus, semakin kuat hubungan. Jika sebuah baris tidak jelas, statistik (N dan T) menentukan apakah ada kepastian yang memadai bahwa ada hubungan.Jika statistik mengatakan bahwa tidak ada hubungan, pola itu bisa terjadi secara kebetulan acak. Jika diagram pencar menunjukkan tidak ada hubungan antara variabel-variabel, mempertimbangkan apakah data yang mungkin bertingkat. Jika diagram menunjukkan ada hubungan, pertimbangkan apakah variabel (x-axis) independen telah bervariasi secara luas.Kadang-kadang sebuah hubungan tidak jelas karena data tidak mencakup rentang cukup lebar. Berpikirlah secara kreatif tentang bagaimana menggunakan diagram pencar untuk menemukan akar penyebab. Menggambar diagram pencar adalah langkah pertama dalam mencari hubungan antara variabel.

Stratifikasi Deskripsi Stratifikasi adalah teknik yang digunakan dalam kombinasi dengan alat analisis data lain. Ketika data dari berbagai sumber atau kategori telah disatukan, arti data dapat mustahil untuk melihat. Teknik ini memisahkan data sehingga pola dapat dilihat. Kapan Gunakan Stratifikasi Sebelum mengumpulkan data. Ketika data datang dari beberapa sumber atau kondisi, seperti pergeseran, hari dalam seminggu, pemasok atau kelompok populasi. Ketika analisis data mungkin memerlukan memisahkan sumber yang berbeda atau kondisi. Stratifikasi Prosedur Sebelum mengumpulkan data, pertimbangkan mana informasi tentang sumber-sumber data mungkin memiliki efek pada hasil.Mengatur pengumpulan data sehingga Anda mengumpulkan informasi itu juga. Ketika merencanakan atau grafik data yang dikumpulkan pada diagram pencar, peta kendali,

alat analisis histogram atau lainnya, menggunakan tanda berbeda atau warna untuk membedakan data dari berbagai sumber. Data yang dibedakan dalam cara ini dikatakan "bertingkat." Menganalisis subset data bertingkat secara terpisah. Sebagai contoh, pada diagram pencar di mana data dikelompokkan menjadi data dari sumber 1 dan data dari sumber 2, kuadran menggambar, menghitung poin dan menentukan nilai kritis hanya untuk data dari sumber 1, maka hanya untuk data dari sumber 2. Stratifikasi Contoh Para ZZ-400 tim manufaktur menggambar diagram pencar untuk menguji apakah produk kemurnian dan kontaminasi besi terkait, tapi plot tidak menunjukkan hubungan. Kemudian seorang anggota tim menyadari bahwa data berasal dari tiga reaktor yang berbeda. Anggota tim menggambar ulang diagram, menggunakan simbol yang berbeda untuk data masingmasing reaktor:

Sekarang pola dapat dilihat. Data dari reaktor 2 dan 3 reaktor dilingkari. Bahkan tanpa melakukan perhitungan apapun, jelas bahwa bagi mereka dua reaktor, kemurnian menurun dengan meningkatnya besi. Namun, data dari reaktor 1, titik-titik padat yang tidak dilingkari, tidak menunjukkan hubungan itu. Sesuatu yang berbeda tentang reaktor 1. Stratifikasi Pertimbangan Berikut adalah contoh dari sumber yang berbeda yang mungkin membutuhkan data yang akan bertingkat: Peralatan Pergeseran Departemen Bahan Pemasok Hari dalam seminggu Waktu hari Produk Data survei biasanya manfaat dari stratifikasi. Selalu pertimbangkan sebelum mengumpulkan data apakah stratifikasi mungkin dibutuhkan selama analisis. Rencanakan untuk mengumpulkan informasi stratifikasi. Setelah data dikumpulkan mungkin terlalu terlambat. Pada grafik atau diagram, termasuk legenda yang mengidentifikasi tanda atau warna yang digunakan. Disarikan dari Toolbox Kualitas Nancy R. Tague 's, Edisi Kedua, ASQ Kualitas Tekan,, 2004 halaman 485-487. Buat Diagram Stratifikasi